Python mxnet.gluon.data.vision.transforms.Normalize用法及代码示例

用法: class mxnet.gluon.data.vision.transforms.Normalize(mean=0.0, std=1.0)

参数：

mean：(float or tuple of floats) - 平均值。
std：(float or tuple of floats) - 标准偏差值。

基础：mxnet.gluon.block.HybridBlock

使用均值和标准偏差对形状 (C x H x W) 或 (N x C x H x W) 的张量进行归一化。

给定 n 通道的均值 (m1, …, mn) 和 std (s1, …, sn)，此变换将输入张量的每个通道归一化为：

output[i] = (input[i] - mi) / si

如果 mean 或 std 是标量，则相同的值将应用于所有通道。

输入：

data：：具有 (C x H x W) 或 (N x C x H x W) 形状的输入张量。

输出：

out：：输出张量，形状为data.

例子：

>>> transformer = transforms.Normalize(mean=(0, 1, 2), std=(3, 2, 1))
>>> image = mx.nd.random.uniform(0, 1, (3, 4, 2))
>>> transformer(image)
[[[ 0.18293785  0.19761486]
  [ 0.23839645  0.28142193]
  [ 0.20092112  0.28598186]
  [ 0.18162774  0.28241724]]
 [[-0.2881726  -0.18821815]
  [-0.17705294 -0.30780914]
  [-0.2812064  -0.3512327 ]
  [-0.05411351 -0.4716435 ]]
 [[-1.0363373  -1.7273437 ]
  [-1.6165586  -1.5223348 ]
  [-1.208275   -1.1878313 ]
  [-1.4711051  -1.5200229 ]]]
<NDArray 3x4x2 @cpu(0)>

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.gluon.data.vision.transforms.Normalize。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。